Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
Amazon Rekognitionを用いてフォロワーの男女比を出す
Search
Kazuki Ohashi
February 02, 2018
Technology
3k
1
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
Amazon Rekognitionを用いてフォロワーの男女比を出す
Amazon RekogntionとFace APIを比べながら、フォロワーの男女比を出してみました。
Kazuki Ohashi
February 02, 2018
More Decks by Kazuki Ohashi
See All by Kazuki Ohashi
larave_vue_graphql_supplementation
kzkohashi
1
890
Introduction to using GraphQL for a bit
kzkohashi
0
250
フォロワーがどの雑誌に興味があるのか可視化してみる / magazine-score
kzkohashi
0
730
Laravelを始めて DDDを実践するまで
kzkohashi
2
2k
Other Decks in Technology
See All in Technology
事業成長とAI活用を止めないデータ基盤アーキテクチャの設計思想
hiracky16
0
770
AI研修(Day1)【MIXI 26新卒技術研修】
mixi_engineers
PRO
2
2.7k
数値で見る Microsoft MVP 〜Spec Kit と GitHub Copilot Agent で作るデータ可視化ダッシュボード〜
yutakaosada
0
170
人手不足への挑戦:車両保全を支えるIoTとクラウド内製化の道【SORACOM Discovery 2026】
soracom
PRO
0
160
検索技術知識0のエンジニアが広告検索システムを内製化して運用するまで
lycorptech_jp
PRO
0
150
現場をAIで動かす「フィジカル AI」の組み込み設計の考え方【SORACOM Discovery 2026】
soracom
PRO
0
150
ソフトウェアアーキテクチャ研修【MIXI 26新卒技術研修】
mixi_engineers
PRO
2
990
CloudWatchから始めるAWS監視
butadora
0
280
なぜ、あなたのエージェントは言うことを聞かないのか
segavvy
1
580
エンタープライズデータへ安全につなぐ Production-ready なエージェント設計 ― AI × MCP リファレンスアーキテクチャ ― #AIDevDay
cdataj
1
300
AIQAのナレッジ構築について
qatonchan
1
130
13年運用タイトルのサーバーサイドが辿り着いた現在地 ― モンスターストライクにおける技術・組織・AI活用から得た知見
mixi_engineers
PRO
1
320
Featured
See All Featured
<Decoding/> the Language of Devs - We Love SEO 2024
nikkihalliwell
1
280
The Power of CSS Pseudo Elements
geoffreycrofte
82
6.5k
Distributed Sagas: A Protocol for Coordinating Microservices
caitiem20
333
23k
SEO Brein meetup: CTRL+C is not how to scale international SEO
lindahogenes
1
2.8k
The Hidden Cost of Media on the Web [PixelPalooza 2025]
tammyeverts
2
400
The Mindset for Success: Future Career Progression
greggifford
PRO
0
430
Easily Structure & Communicate Ideas using Wireframe
afnizarnur
194
17k
Docker and Python
trallard
47
4k
Agile that works and the tools we love
rasmusluckow
331
22k
CSS Pre-Processors: Stylus, Less & Sass
bermonpainter
360
30k
Making the Leap to Tech Lead
cromwellryan
135
10k
Speed Design
sergeychernyshev
33
2k
Transcript
"NB[PO3FLPHOJUJPOΛ༻͍ͯ ϑΥϩϫʔͷஉঁൺΛग़͢ WEBΤϯδχΞษڧձ #05 େڮ Ұथ @kzkohashi
େڮҰथ!L[LPIBTIJ ΠϯϑϧΤϯαʔϚʔέςΟϯά αʔόαΠυ ϑϩϯτத৺ झຯΧϨʔϥΠε
ϑΥϩϫʔͷใ ݟͨ͜ͱ͋Γ·͔͢ʁ
4/4ͷϑΥϩϫʔใ *OTUBHSBNΠϯαΠτ 5XJUUFS"OBMZUJDT
ଞਓͷΓ͍ͨʂ
Ͳ͏ΕͰ͖ΔͩΖ͏ʁ ϑΥϩϫʔ ϑΥϩϫʔ
إೝࣝΛͬͯஉঁྨਪʁ w จࣈϕʔεͰͷஉঁྨਪͦ͠͏ w 4/4ʹΑͬͯจࣈ͕গͳ͍߹͕͋Δ w ϓϩϑΟʔϧը૾͔Βஉ͔ঁ͔ͳΜͱ͘ͳ͘ Θ͔Γͦ͏
બఆख๏ͷௐࠪ ֎෦"1* ࣗલ 'BDF"1* $MPVE7JTPO 7JTVBM3FDPHOJUJPO 0QFO#3 ࣌ؒͱ͑Δ͓ۚΛߟ͑ͯ֎෦"1*͔Βબఆʂ "NB[PO3FLPHOJUJPO
͜Μͳײ͡ 'BDF"1* "NB[PO3FDPHOJUJPO
બఆൺΔ w ຕͷ4/4ͷϓϩϑը૾Λ༻ҙ w உੑຕ ঁੑຕ ͦͷଞຕ w 'BDF"1*ͱ"NB[PO3FLPHOJUJPOͰൺֱ ͋ΔํͷૉΒ͍͠ϒϩάͰࣝผ͕͔ͳΓΑ͔ͬͨʂ
ൺͨ݁Ռ ਖ਼ छྨ உੑ ঁੑ ͦͷଞ Amazon Rekognition 112(68%) 174(75%)
512(92%) Face API 75(46%) 121(52%) 522(94%) ୯७ͳਖ਼"NB[PO3FLPHOJUJPO͕ଟ͍
ൺͨ݁Ռʢޡʣ छྨ ঁੑ Amazon Rekognition 13 Face API 5 छྨ
உੑ Amazon Rekognition 5 Face API 3 ͕͑ঁੑͷը૾ ͕͑உੑͷը૾ ޡ'BDF"1*ͷ΄͏͕গͳͦ͏
'BDF"1* "NB[PO3FLPHOJUJPO ޱͳͲݟ͑ͳ͍ͱ'BDF"1*ݕग़ͮ͠Β͍ʁ ݕग़ࣦഊ ݕग़ޭ
'BDF"1* "NB[PO3FLPHOJUJPO 4/4ը૾ਅਖ਼໘Λ͋·Γ͍ͯͳ͍ͨΊݕग़ʹ͕ࠩग़ͨʁ ݕग़ࣦഊ ݕग़ޭ
'BDF"1* "NB[PO3FLPHOJUJPO ࣝผޭ͚ͨ͠Ͳ Ұਓ͚ͩݕग़ ೋਓݕग़͚ͨ͠Ͳ ࣝผࣦഊ ݕग़ͪ͠Ό͑'BDF"1*ڧ͍ɾɾɾ
'BDF"1* "NB[PO3FLPHOJUJPO ͜͏͍͏͜ͱ͋Δʢসʣ ࣝผޭ͚ͨ͠Ͳ ͲͪΒঁੑͱޡೝࣝ
બఆ·ͱΊ w 'BDF"1*ͷ΄͏͕ਫ਼ྑͦ͞͏ w ͨͩɺޱͱ͔ӅΕͨΓ͍ͯ͠Δ4/4ը૾ͷݕग़ѱ͗͢Δ w ࣝผͱݕग़ͷόϥϯεͰ"NB[PO3FLPHOJUJPOʹܾఆ ʢ୯७ͳਖ਼ͳΒΑ͔ͬͨʣ "NB[PO3FLPHOJUJPO
"NB[PO3FLPHOJUJPOͱ w "84͕ఏڙ͍ͯ͠Δɺը૾ࣝผαʔϏε w إೝ͚ࣝͩͰͳ͘ɺΦϒδΣΫτʢؠͱ͔ʣͷݕग़ ൺֱͱ͔Ͱ͖Δ w ͍͍ͳͱࢥͬͨͷɺஉঁࣝผʹ৴པ͕͍͍ͭͯΔ ͍·͞Β
(FOEFS\ 7BMVF.BMF $POpEFODF ^ ৴པ ࣗͨͪͷαʔϏεʹԠͯ͡ᮢܾΊΕΔ
ΞʔΩςΫνϟ ϓϩϑը૾ μϯϩʔυ ϑΥϩϫʔใ σϑΥϧτը૾͔ ൱͔ Ξοϓϩʔυ ˞ ˞͓͍ۚͬͨͳ͍ͷͰɺσϑΥϧτը૾ͷਓল͍ͯΔ
IUUQL[LPIBTIJIBUFOBCMPHDPNFOUSZ ʢQZUIPOΛͬͯ03#ͱ1FSDFQUVBM)BTIͰը૾ͷྨࣅΛൺͯΈΔ ৴པͷᮢ உঁใ "NB[PO3FLPHOJUJPO KTPO
݁Ռ ͑ ঁੑ உੑ ࠓճͷγεςϜ ˞ ঁੑ உੑ ˞αϯϓϦϯάϥϯμϜͰׂ̍ఔ
·ͱΊ w ը૾ࣝผ"1*৭ʑ͋Δ w ༻్ʹ߹Θͤͯࣝผͱݕग़ͷόϥϯεͰબ w ϓϩϑը૾͚ͩͰஉঁൺͱΕͨ
͓·͚ ͜ͷൺʹຊʹͳΔͷ͔ࢼͨ͠ छྨ உੑ ঁੑ ͦͷଞ ࣗͰ͑Δ 65%(97) 35%(52) 12
Amazon Rekognition 46%(36) 54%(42) 22 Face API 51%(21) 49%(20) 121 ͳΔ΄Ͳɾɾɾ